10月12日,创客北京·昇腾AI创新大赛2023北京赛区决赛在门头沟区人工智能科技园·智能文创园举办。本届赛事以“数智未来,因你而来”为主题,设置了应用赛道和开发者套件创新赛道,吸引了企事业单位、高等院校、科研院所在内的206支团队报名参赛。
经过预审和初赛,两个赛道共48个项目进入决赛。在比赛现场,参赛团队展示了在智慧交通、智能识别、安全检测等十余个领域的创新作品方案,并就参赛项目的设计思路、技术实现和实际应用效果,与技术评委和专家进行探讨交流。最终经过角逐,应用赛道和开发者套件创新赛道共计评出1个特等奖、3个一等奖、6个二等奖、14个三等奖。这24支获奖团队,将共同获得总价值43万元的现金奖励和算力兑换券。此外,获奖团队还有机会获邀参加昇腾AI创新大赛2023全国总决赛、华为主题宣传活动以及获得北京市专精特新企业绿色通道等多项权益。
作为应用赛道的参赛企业代表,北京智进网络科技有限公司表示,昇腾AI创新大赛给我们搭建了一个展示的平台,通过这次比赛,向外界介绍了我们的产品和技术,也认识了很多在人工智能领域有创新技术的企业,并更好地了解市场需求和趋势。
据介绍,创客北京·昇腾AI创新大赛已成功举办两届,是面向AI开发者打造的赛事,本届大赛设置的应用赛道旨在鼓励和挖掘具备行业应用潜力的优秀算法模型和解决方案,推动人工智能技术的实际应用;开发者套件创新赛道则旨在激发和探索基于昇腾AI基础软硬件平台的优秀应用及创新算法,赛事为AI开发者们提供了创新成果展示的平台。
此次北京区域赛依托北京昇腾人工智能计算中心的算力和设备,为参赛者们提供了丰富的AI开发工具和能力,使开发者能够轻松构建和部署AI模型,适用于深度学习任务和大规模数据处理。
北京昇腾人工智能生态创新中心首席运营官李天哲表示,昇腾人工智能计算中心先后赋能600余家人工智能企业,形成200多个人工智能创新解决方案,此次大赛中,智算中心也为参赛团队提供了全方位的技术支持,包括人工智能算法优化、模型训练等方面的指导。
门头沟区科学技术和信息化局党组书记、局长阎丽春表示,北京赛区比赛在门头沟区举办,体现了对门头沟区人工智能产业良好发展环境的认可。作为赛事的举办地,门头沟区不仅为大赛提供了先进的硬件设施和比赛场地,还在人才培养、技术应用、生态构建以及创新思维激励等多个方面给予支持。本届赛事既展示了门头沟区人工智能产业发展的活力和前景,也为人才提供了一个锻炼和施展才华的舞台。
作为首都发展重要门户,门头沟区坚持实施“生态立区、文化兴区、科技强区”发展战略,着力打造“人工智能、超高清数字视听、心血管领域医疗器械”三大产业,并将人工智能作为区域重点布局产业之首,打造长安街西延线上的专精特新产业集群。作为北京市人工智能产业的重点布局区域,门头沟区人工智能产业发展要素正加速集聚,在产业空间、算力应用、引才聚智、金融支持等各方面,为广大企业提供更好的营商环境和专业化的服务,全方位、高品质的建设要素齐全、生态丰富的“京西智谷”。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。